El floreciente mundo del comercio electrónico ha puesto la comodidad y las opciones a nuestro alcance. Pero junto con las empresas legítimas, las redes sociales se han convertido en un caldo de cultivo para un nuevo tipo de mercado negro, que cuesta a los gobiernos miles de millones en pérdidas de ingresos.
Los investigadores de la King Mongkut’s University of Technology North Bangkok proponen un marco de trabajo denominado Smuggler Hunting, Import Eradication, Legal Detection (SHIELD) para identificar a los contrabandistas a través de datos no estructurados de las redes sociales. Ellos buscan aprovechar el poder de la inteligencia artificial (IA) para combatir el comercio ilegal en línea.
Comercio electrónico: un arma de doble filo
El comercio electrónico sin duda ha beneficiado a la economía de en diversos países del mundo al:
- Creación de nuevas oportunidades de negocio: Las plataformas en línea permiten a los emprendedores y a las pequeñas empresas llegar a un público más amplio.
- Promoción de la inversión extranjera: El comercio electrónico atrae inversión extranjera, impulsando la actividad económica.
- Mejorar las opciones del consumidor: Los consumidores disfrutan de una variedad más amplia de productos a precios competitivos.
Si bien el comercio electrónico ofrece a las empresas legítimas una plataforma para prosperar, también abre las puertas a la subvaluación, donde los vendedores declaran deliberadamente un valor más bajo para los bienes importados, evadiendo los derechos de aduana. Esta práctica perturba la competencia leal y daña la economía al:
- Reducción de los ingresos del gobierno: Los derechos de aduana son una fuente crucial de ingresos para los países y su evasión afecta directamente las finanzas públicas.
- Creación de competencia desleal: Las empresas que respetan las regulaciones se enfrentan a condiciones desiguales frente a aquellas que evaden derechos aduaneros, lo que obstaculiza su competitividad.
- Perturbación del comercio: Los derechos de aduana no pagados pueden provocar retrasos en el despacho de mercancías, lo que dificulta el flujo comercial fluido.
- Fomento del comercio ilegal: La subvaluación fomenta un entorno propicio para actividades comerciales ilícitas, lo que daña aún más la economía.
Imagínese comprar un bolso de diseñador online a un precio sospechosamente bajo. Esto podría ser mucho, pero también podría ser una señal de alerta. Las plataformas de redes sociales, si bien fomentan el comercio legítimo, también brindan una plataforma para que las personas vendan productos sin la licencia o el despacho de aduana adecuados.
Las plataformas de redes sociales ofrecen una plataforma conveniente para transacciones en línea, pero también plantean un desafío importante para las autoridades aduaneras. Los vendedores individuales suelen utilizar estas plataformas para eludir las regulaciones, lo que dificulta el seguimiento y el seguimiento de sus actividades.
Presentación del marco SHIELD: una solución propuesta
Esta investigación presenta SHIELD (Smuggler Hunting and Illegal Exportation Detection), un marco diseñado para identificar y combatir el comercio ilegal en línea. Así es como funciona:
- Recopilación de datos: Millones de publicaciones en redes sociales que contienen listados de productos se recopilan de plataformas como Twitter y Facebook.
- Clasificación de texto: El sistema SHIELD analiza el texto asociado con estos listados para categorizarlos.
- Línea roja: Esta categoría señala mercancías de contrabando, derechos de aduana no pagados y artículos prohibidos o restringidos.
- Línea Verde: Esta categoría identifica bienes no comerciales, como artículos personales que se venden.
- Inspeccionar: Esta categoría destaca listados que requieren mayor investigación debido a información ambigua.
Aprendizaje automático al rescate: el poder de los algoritmos
SHIELD utiliza tres potentes algoritmos de aprendizaje automático:
- Regresión logística (LR): Este es un algoritmo fundamental que establece una relación entre los datos del texto y la categoría deseada.
- Unidad recurrente cerrada (GRU): Este algoritmo avanzado se destaca en el análisis de datos secuenciales como texto, lo que le permite capturar el contexto de toda la descripción del producto.
- Memoria larga a corto plazo (LSTM): Al igual que GRU, LSTM se destaca en la comprensión del contexto, pero es aún más hábil para recordar información de partes anteriores del texto, lo que lleva a predicciones aún más precisas.
Pruebas y resultados: la IA demuestra su valor
El equipo de investigación probó SHIELD utilizando un conjunto de datos masivo de publicaciones en redes sociales que contenían listados de productos. Los resultados fueron impresionantes:
- LSTM surgió como el campeón: Este algoritmo logró una notable precisión del 99,44% en la identificación de actividades ilegales o sospechosas.
- Puntuación F1: Esta métrica mide el equilibrio de un modelo entre precisión (identificar los casos positivos correctos) y recuperación (identificar todos los casos positivos relevantes). El modelo LSTM de SHIELD logró una puntuación F1 promedio del 90,55%, lo que demuestra su eficacia en la captura de ambos tipos de información.
El futuro del comercio justo en la era digital
El éxito de SHIELD allana el camino para un futuro en el que la IA pueda salvaguardar la seguridad económica:
- Seguridad fronteriza mejorada: Al integrarse con los sistemas aduaneros, los modelos de IA como SHIELD pueden señalar envíos sospechosos para su posterior inspección.
- Protección del consumidor: Los consumidores pueden beneficiarse de una mayor transparencia, sabiendo que no están comprando productos ilegales o falsificados sin saberlo.
- Igualdad de condiciones: Las empresas legítimas pueden operar con una ventaja justa, libres de la competencia desleal de vendedores ilegales.
Conclusión
La lucha contra el comercio ilegal en línea es una batalla constante. Pero con la ayuda de soluciones innovadoras como SHIELD, podemos crear un mercado digital más seguro y justo. Aprovechando el poder de la IA y el aprendizaje automático, podemos empoderar a las autoridades y proteger a los consumidores, garantizando una economía legal próspera en la era del comercio social.
Contacto
Bundidth Dangsawang
Faculty of Information Technology And Digital Innovation, King Mongkut’s University of Technology North Bangkok, Bangkok, Thailand
Email: s6207011956031@email.kmutnb.ac.th
Siranee Nuchitprasitchai
Faculty of Information Technology And Digital Innovation, King Mongkut’s University of Technology North Bangkok, Bangkok, Thailand
Email: siranee.n@itd.kmutnb.ac.th
Referencia (acceso abierto)
Dangsawang, B., & Nuchitprasitchai, S. (2024). A machine learning approach for detecting customs fraud through unstructured data analysis in social media. Decision Analytics Journal, 100408.
